Analisis prediksi Visibilitas Hilal berbasis Multinomial Logistic Regression untuk mendukung penentuan awal bulan Hijriah di Indonesia, Malang Raya

ABSTRAK

Penentuan awal bulan Hijriah di Indonesia kerap menghadapi perbedaan antara metode hisab dan rukyat yang dipengaruhi oleh kompleksitas faktor astronomis seperti elongasi, tinggi bulan, dan beda azimuth, sehingga diperlukan pendekatan ilmiah yang objektif dan terukur untuk meminimalkan ketidakpastian visibilitas hilal. Penelitian ini menerapkan metode Multinomial Logistic Regression (MLR) untuk melakukan klasifikasi visibilitas hilal berdasarkan data observasi BMKG serta memodelkan hubungan antar variabel astronomis tersebut secara komputasional. Proses penelitian meliputi pengolahan dataset, rekayasa fitur, eksplorasi hubungan variabel, pelatihan model pada tiga skenario pembagian data (60:40, 70:30, 80:20), serta evaluasi menggunakan metrik Accuracy, Precision, Recall, F1-Score, MAE, dan RMSE. Hasil penelitian menunjukkan bahwa MLR mampu memodelkan dan memprediksi visibilitas hilal secara konsisten, dengan performa terbaik pada skenario 80:20 yang menghasilkan akurasi tinggi dan kestabilan prediksi, serta koefisien regresi yang menunjukkan pengaruh signifikan elongasi, tinggi bulan, dan beda azimuth terhadap kategori visibilitas (“Gelap”, “Samar”, “Terang”). Model ini juga terbukti dapat merepresentasikan pola Model Pakar (rule-based) melalui konsistensi probabilitas kelas dan tren koefisien logit, serta menunjukkan keandalan melalui validasi eksternal menggunakan data Elongasi BMKG dan proyeksi awal bulan Hijriah 1446 H. Temuan ini menegaskan bahwa MLR merupakan pendekatan komputasional yang efektif, interpretable, dan dapat direplikasi untuk mendukung keputusan penentuan bulan baru Hijriah secara lebih akurat, sekaligus memberikan dasar ilmiah bagi harmonisasi metode hisab-rukyat pada tingkat nasional.

مستخلص البحث

يواجه تحديد بداية الأشهر الهجرية في إندونيسيا اختلافات متكررة بين منهج الحساب الفلكي ومنهج الرؤية البصرية، وذلك نتيجة لتعقيد العوامل الفلكية مثل الاستطالة، وارتفاع القمر، وفارق السمت، مما يستلزم اعتماد مقاربة علمية موضوعية وقابلة للقياس للحدّ من عدم اليقين في رؤية الهلال. تعتمد هذه الدراسة على نموذج الانحدار اللوجستي المتعدد الفئات (MLR) لتصنيف إمكانية رؤية الهلال بناءً على بيانات الرصد التابعة لهيئة الأرصاد الجوية والمناخية والجيوفيزيائية (BMKG)، وكذلك لنمذجة العلاقات بين المتغيرات الفلكية حسابياً. وتشمل منهجية البحث معالجة البيانات، وهندسة الخصائص، والتحليل الاستكشافي، وتدريب النموذج باستخدام ثلاثة سيناريوهات لتقسيم البيانات (60:40، 70:30، 80:20)، إضافة إلى التقييم باستخدام مقاييس الدقة، والاستدعاء، ومعامل F1، ومتوسط الخطأ المطلق (MAE)، والجذر التربيعي لمتوسط مربع الخطأ (RMSE). وتُظهر النتائج أنّ نموذج MLR قادر على تمثيل وتوقع رؤية الهلال بشكل مستقر، وأن أفضل أداء تحقق في سيناريو 80:20 مع دقة عالية وثبات في التنبؤ. كما تكشف معاملات الانحدار عن تأثير معنوي لكل من الاستطالة، وارتفاع القمر، وفارق السمت في تحديد فئات الرؤية (“مظلم”، “خافت”، “واضح”). وقد نجح النموذج في تمثيل أنماط الخبراء المبنية على القواعد من خلال اتساق احتمالات الفئات واتجاهات معاملات اللوغيت، وأثبت موثوقيته من خلال التحقق الخارجي باستخدام بيانات الاستطالة الخاصة بـ BMKG وتوقعات مطالع الأشهر الهجرية لعام 1446 هـ. وتؤكد هذه النتائج أنّ MLR يمثل مقاربة حسابية فعّالة وقابلة للتفسير وتكرار الاستخدام، تسهم في دعم القرارات المتعلقة بتحديد أوائل الشهور الهجرية بشكل أكثر دقة، وتوفر أساساً علمياً لتقريب منهجي الحساب والرؤية على المستوى الوطني.

ABSTRACT

The determination of the beginning of the Hijri months in Indonesia often encounters discrepancies between the hisab (astronomical calculation) and rukyat (observation) methods, largely due to the complexity of astronomical factors such as elongation, lunar altitude, and azimuth difference, thereby necessitating an objective and measurable scientific approach to reduce uncertainties in crescent visibility. This study employs the Multinomial Logistic Regression (MLR) method to classify crescent visibility based on BMKG observational data and to computationally model the relationships among these astronomical variables. The research process includes dataset preprocessing, feature engineering, exploratory analysis, model training using three data-splitting scenarios (60:40, 70:30, 80:20), and evaluation through Accuracy, Precision, Recall, F1-Score, MAE, and RMSE metrics. The findings indicate that the MLR model is capable of modeling and predicting crescent visibility consistently, with the best performance produced under the 80:20 split, yielding high accuracy and prediction stability. The regression coefficients also show that elongation, lunar altitude, and azimuth difference significantly influence the visibility categories (“Dark”, “Vague”, “Bright”). The model successfully represents rule-based expert patterns through consistent class probabilities and logit coefficient trends, and demonstrates reliability through external validation using BMKG elongation data and projected dates for the Hijri year 1446 AH. These results confirm that MLR is an effective, interpretable, and replicable computational approach for supporting more accurate decisions in determining the new Hijri month, while also providing a scientific foundation for harmonizing hisab–rukyat methodologies at the national level.